matlab练习程序(PSNR)

matlab练习程序（PSNR）
PSNR，峰值信噪比，通常用来评价一幅图像压缩后和原图像相比质量的好坏，当然，压缩后图像一定会比原图像质量差的，所以就用这样一个评价指标来规定标准了。

PSNR越高，压缩后失真越小。

这里主要定义了两个值，一个是均方差MSE，另一个是峰值信噪比PSNR，公式如下：
这里的MAX通常是图像的灰度级，一般就是255了。

这里就不用什么压缩算法了，就是将图像缩小再放大比较一下，下面是代码：
close all;
clear all;
clc;
img=imread('lena.jpg');
[h w]=size(img);
imgn=imresize(img,[floor(h/2) floor(w/2)]);
imgn=imresize(imgn,[h w]);
img=double(img);
imgn=double(imgn);
B=8; %编码一个像素用多少二进制位
MAX=2^B-1; %图像有多少灰度级
MES=sum(sum((img-imgn).^2))/(h*w); %均方差
PSNR=20*log10(MAX/sqrt(MES)); %峰值信噪比
原图
图像宽高分别缩小1/2再放大到原图，PSNR=30.2dB
图像宽高分别缩小1/5再放大到原图，PSNR=24.5dB
可以看出PSNR越高，图像和原图越接近。

当然，这都是客观指标，实际评价还有主观指标，不过主观的东西就比较模糊了，每个人感觉都会不同的。

MATLAB中常见的图像质量评价方法介绍

MATLAB中常见的图像质量评价方法介绍引言：在数字图像处理领域中，图像质量评价是一项重要的研究内容。

图像质量评价的目标是通过定量化的方法，对图像的视觉效果进行准确的评估。

在不同的应用场景中，我们有不同的需求，如图像压缩、变换、去噪等等。

而图像质量评价方法则可以帮助我们选择最佳算法或参数配置，以达到最优的图像处理效果。

本文将介绍几种常见使用的图像质量评价方法，并通过MATLAB代码的方式展示其实现过程。

一、主观评价方法主观评价方法是通过人眼的观察和感受来评价图像质量。

通常使用主观评价实验，邀请大量的观察者对图像进行评价。

其中较为常见的方法是多模式多主观(MMNS)评价方法和单模式单主观(SMNS)评价方法。

多模式多主观评价方法中，观察者会评价多个图像参考和待评图像之间的差异。

而单模式单主观评价方法则将观察者仅关注于待评图像自身的质量。

对于这种方法，常见的评价指标有均方根误差(RMSE)、峰值信噪比(PSNR)等。

二、客观评价方法客观评价方法是通过计算机自动地对图像进行评价。

在MATLAB中，我们可以利用现有的算法和函数来实现客观评价。

以下列举几种经典的客观评价方法。

1. 均方误差(Mean Squared Error, MSE)MSE是一个用于衡量图像重建质量的指标。

它首先计算原始图像与重建图像之间的差值，然后对这些差值进行平方求和。

如下所示：```MATLABfunction mse = MeanSquaredError(originalImg, reconstructedImg)diffImg = originalImg - reconstructedImg;mse = sum(diffImg(:).^2) / numel(originalImg);end```2. 结构相似性指数(Structural Similarity Index, SSIM)SSIM是一种评价图像相似度的指标。

它结合了亮度、对比度和结构三个方面的信息。

matlab练习程序（二值图像连通区域标记法，两步法）

matlab练习程序（⼆值图像连通区域标记法，两步法）我⼏乎完全就是照着上的算法实现的，不过是⽤Matlab⽽已。

使⽤了两步法进⾏标记，⼀步法我还没怎么看。

两步法中第⼆步是⽐较⿇烦的，其中⽤到了不相交集合的⼀些理论，尤其是不相交集合森林，我这⾥的find_set函数就是参考《算法导论》311页的算法写的。

如果⽤c++写，也许需要⾃⼰构造数据结构。

好吧，下⾯是我理解的算法过程： 1.⾸先要确定是标记8邻域连通还是4邻域连通，如果是8邻域连通，就⽤的模板，如果是4邻域连通，就⽤的模板。

我这⾥⽤了是8连通。

2.⽤模板变量图像，类似卷积，不过不计算，只⽐较。

⽐较当前像素和邻域4个或2个像素，如果都不相等，那么标记号加⼀，并且把这个标记号赋值给另⼀个标记空间中相同位置的像素，因为不能破坏当前图像的像素。

如果有⼀个相等，那么就把这4个或2个像素中⾮背景像素中的最⼩值赋给另⼀个标记空间相同位置的像素，并且把这4个或2个像素同有相同当前位置像素值的集合取并集（ps:这个真的好难解释--!!）。

遍历完会得到标记图像和有标记号那么多个的标记集合。

3.遍历标记图像，按标记图像的像素值索引标记集合，找到标记集合中代表当前集合最⼩的值赋值给原图像当前位置的像素（ps:这⾥最好看《算法导论》或）。

还是看代码吧，运⾏⼀下更好： main.mclear all;close all;clc;img=imread('liantong.bmp');imgn=img>128;s=uint8(1-imgn);%{s=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0; %这个矩阵是维基百科中的矩阵0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 0 0;0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0;0 0 1 1 1 1 0 0 0 1 1 1 0 0 1 1 0;0 1 1 1 0 0 1 1 0 0 0 1 1 1 0 0 0;0 0 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0;0 0 0 0 0 0 1 1 1 1 0 0 1 1 1 1 0;0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%}imshow(mat2gray(s));[m n]=size(s);tmp=zeros(m,n);label=1; %第⼀遍遍历时标记的标签数量for i=2:mfor j=2:n-1up_left=s(i-1,j-1); %原图像当前像素周围四个像素up=s(i-1,j);up_right=s(i-1,j+1);left=s(i,j-1);cur=s(i,j);if cur==1if cur~=up_left && cur~=up &&cur~=up_right &&cur~=left %当前和四周的都不⼀样，加新标签tmp(i,j)=label;link{label}=[];label=label+1;elset=sort([tmp(i,j-1) tmp(i-1,j-1) tmp(i-1,j) tmp(i-1,j+1)]); %标签图像当前像素周围四个像素并排序for k=1:4 %寻找周围四个像素⾮零的最⼩值赋值给标签图像if t(k)~=0tmp(i,j)=t(k);for w=k:4link{t(w)}=union(t(k:4),link{t(w)}); %设置不相交集合endbreak;endendendendendendfor i=1:mfor j=1:nif s(i,j) ~=0s(i,j)=find_set(link,tmp(i,j));endendendfigure,imshow(mat2gray(s)) find_set.mfunction re=find_set(p,i) %不相交集合寻找代表当前集合的最⼩值，详见《算法导论》第21章if min(p{i}) ~= ii=find_set(p,min(p{i}));endre=i;end下⾯是运⾏的结果：原图结果图效果还不错吧。

matlab练习题和答案

matlab练习题和答案控制系统仿真实验Matlab部分实验结果目录实验一 MATLAB基本操作 ............................................................................................ 1 实验二 Matlab编程 .................................................................................................... 5 实验三Matlab底层图形控制 ..........................................................................................6 实验四控制系统古典分析.............................................................................................12 实验五控制系统现代分析 . (15)实验六 PID控制器的设计 ...........................................................................................19 实验七系统状态空间设计.............................................................................................23 实验九直流双闭环调速系统仿真 (25)实验一 MATLAB基本操作1 用MATLAB可以识别的格式输入下面两个矩阵1233，，1443678，i，，,,2357,,,,2335542，i,,,, A,1357B,,,2675342，i,,3239,,,,189543，，,,1894，，再求出它们的乘积矩阵C，并将C矩阵的右下角2×3子矩阵赋给D矩阵。

Matlab中的图像比对和图像匹配技术

Matlab中的图像比对和图像匹配技术在现代科技的发展中，图像处理技术在各个领域均得到了广泛应用。

其中，图像比对和图像匹配技术是图像处理中的重要组成部分。

在Matlab中，我们可以通过各种函数和工具箱实现不同类型的图像比对和图像匹配任务。

本文将介绍Matlab中的图像比对和图像匹配技术，并探讨其在实际应用中的一些潜在问题。

一、图像比对技术图像比对技术主要用于判断两幅图像之间的相似程度。

在Matlab中，可以通过计算图像的相似性指标来实现图像比对。

常用的相似性指标包括均方差（MSE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）等。

首先，我们来介绍均方差（MSE）指标。

MSE指标是通过计算两幅图像的像素之间的差值平方的平均值来衡量两幅图像之间的相似程度。

在Matlab中，可以使用imabsdiff函数计算两幅图像的差值，然后使用mean函数计算均方差。

同样重要的是峰值信噪比（PSNR）。

PSNR是通过计算两幅图像之间的峰值信噪比来衡量它们之间的相似程度。

在Matlab中，可以使用imread函数读入图像，然后计算两幅图像之间的PSNR值。

除了MSE和PSNR，还有一种常用的相似性指标是结构相似性指数（SSIM）。

SSIM是通过比较两幅图像的亮度、对比度和结构来评估它们之间的相似性。

在Matlab中，可以使用ssim函数计算两幅图像之间的SSIM值。

二、图像匹配技术图像匹配技术用于在两幅或多幅图像中找到相似的部分。

在Matlab中，我们可以使用不同的特征描述算法和匹配算法来实现图像匹配。

特征描述算法是用于提取图像中的特征点的算法。

常用的特征描述算法包括尺度不变特征变换（SIFT）、加速稳健特征提取器（SURF）和高级LBP特征（HOG）等。

在Matlab中，可以使用extractFeatures函数来提取图像中的特征点，并得到特征描述子。

然后，我们可以使用匹配算法来将提取的特征描述子进行匹配。

matlab练习题库

matlab练习题库随着科学技术的发展，MATLAB（Matrix Laboratory）作为一种强大的计算工具和编程语言，被广泛应用于各个领域。

为了帮助大家更好地掌握和应用MATLAB，各种练习题库应运而生。

本篇文章将为大家介绍MATLAB练习题库及其重要性，并提供一些值得尝试的练习题。

I. MATLAB练习题库的重要性MATLAB练习题库是学习和提升MATLAB技能的重要资源，具有以下几个重要的作用：1. 知识巩固：通过练习题，可以巩固已学的MATLAB知识点，加深对各种函数和工具的理解和掌握。

2. 锻炼编程能力：通过解决练习题，可以锻炼自己的编程思维和动手能力，提高编写MATLAB程序的能力。

3. 探索新知识：练习题库中通常涵盖了各个难度级别和不同应用场景下的问题，通过解题可以学习到新的MATLAB知识和技巧。

4. 检验理解程度：练习题库提供了一个检验自己对MATLAB知识的理解程度的途径，能够及时发现和纠正自己的不足之处。

II. MATLAB练习题库示例1. 线性代数：题目1：编写一个MATLAB函数，实现两个矩阵的相乘，并输出结果。

题目2：已知一个5×5的方阵A，请编写MATLAB代码，实现计算矩阵A的特征值和特征向量。

2. 信号处理：题目1：已知一个音频文件，试编写MATLAB代码，对该音频文件进行去噪处理，并将处理后的音频进行播放。

题目2：编写一个MATLAB函数，实现信号的傅里叶变换和逆变换，并对给定的信号进行频域图像显示。

3. 图像处理：题目1：编写MATLAB代码，实现图像的二值化处理，并将处理后的图像进行显示。

题目2：已知一张彩色图像，请编写MATLAB代码，实现对彩色图像的灰度化处理，并将处理后的图像进行保存。

4. 数值计算：题目1：编写一个MATLAB函数，实现求解非线性方程组的牛顿迭代法。

题目2：已知一个包含100个元素的数组，请编写MATLAB代码，实现对数组进行快速排序并输出结果。

Matlab基本操作练习

实验一Matlab基本操作练习一、实验目的（1）了解和学会使用matlab平台的命令窗口、帮助窗口、编辑窗口、工作空间。

（2）学会使用matlab的.m文件、.mat文件（3）学会基本的矩阵赋值、运算和查找等操作（4）了解for循环、while循环的执行过程（5）掌握函数的定义和调用的基本方法二、实验内容1、了解save命令和load命令的使用。

操作步骤：（1）在命令窗口输入如下命令：clear ;savefile = 'TestFile.mat';p = rand(1, 4);q = ones(10);r = ones(10,2);save(savefile, 'p', 'q', 'r')（2）观察并记录下当前工作空间中的变量；（3）输入如下命令：clear;（4）观察当前工作空间中的变量；（5）在命令窗口输入如下命令：load TestFile（6）观察当前工作空间中的变量；2、练习基本的数学运算（1）逐句输入并运行以下命令，观察每一步的运行结果，弄明白每一条语句的含义。

（2）计算A*inv(C)，将结果与divrAC比较计算A*inv(C)，将结果与divrAC比较3、练习矩阵定位函数find的使用逐句输入并运行以下命令，观察每一步的运行结果，弄明白每一条语句的含义。

clear;X = [1 0 4 -3 0 0 0 8 6]Indices1 = find(X)indices2=find(X>=6)clear;A=[3 2 0; -5 0 1]Indices3=find(A)[row,col,value]=find(A)4、练习for循环和while循环的使用操作步骤：（1）在命令窗口输入如下命令clear ;clc;（2）在命令窗口输入如下命令，并观察s1的值：a=1:100;s1=0;for k=1:100s1=s1+k;end（3）在命令窗口输入如下命令，并观察s2的值：s2=0;k=1;while k<=100s2=s2+k;k=k+1;end（4）在命令窗口输入如下命令，并观察s3的值：s3=sum(a);[s1 s2 s3]5、练习函数的定义和调用；定义和调用一个连续求和的函数SumOfN，能实现功能：给一个参数n，求出从1到n连续求和的结果。

matlab习题与答案

matlab习题与答案
MATLAB习题与答案
MATLAB是一种强大的数学软件，广泛应用于工程、科学和金融等领域。

通过MATLAB，用户可以进行数据分析、图像处理、模拟建模等多种操作。

为了帮
助大家更好地掌握MATLAB的应用，我们为大家准备了一些习题与答案，希望
能够帮助大家更好地理解和掌握MATLAB的使用。

习题一：编写一个MATLAB程序，实现对给定矩阵的转置操作。

解答：可以使用MATLAB中的transpose函数来实现矩阵的转置操作。

例如，
对于一个3x3的矩阵A，可以使用以下代码实现转置操作：
A = [1 2 3; 4 5 6; 7 8 9];
B = transpose(A);
习题二：编写一个MATLAB程序，实现对给定矩阵的逆矩阵计算。

解答：可以使用MATLAB中的inv函数来实现对矩阵的逆矩阵计算。

例如，对
于一个3x3的矩阵A，可以使用以下代码实现逆矩阵计算：
A = [1 2 3; 4 5 6; 7 8 9];
B = inv(A);
习题三：编写一个MATLAB程序，实现对给定矩阵的特征值和特征向量计算。

解答：可以使用MATLAB中的eig函数来实现对矩阵的特征值和特征向量计算。

例如，对于一个3x3的矩阵A，可以使用以下代码实现特征值和特征向量计算：A = [1 2 3; 4 5 6; 7 8 9];
[V, D] = eig(A);
通过以上习题与答案的学习，相信大家对MATLAB的应用已经有了更深入的了
解。

希望大家能够多加练习，不断提升自己的MATLAB技能，为今后的工作和学习打下坚实的基础。